增强真实场景下红外小目标检测的评价方法
计算机视觉与模式识别
2024-08-27 v2
摘要
红外小目标检测（IRSTD）是计算机视觉领域的一项重大挑战。过去二十年里，人们在提升IRSTD算法检测能力方面付出了大量努力，但对用于评估其性能的评价指标却缺乏广泛研究。本文采用系统化方法解决该问题：首先评估现有指标的有效性，然后提出新指标以克服传统指标的局限。为此，我们仔细分析了成功检测的必要条件，并指出了当前评价指标（包括阈值前与阈值后指标）的不足。随后我们引入了旨在符合真实系统需求的新指标。此外，我们利用这些新提出的指标对五种广受认可的红外小目标检测算法进行性能比较与评估。结果表明，新指标提供了与定性观察一致且有意义的一致性量化评估。
引用
@article{arxiv.2301.03796,
title = {Enhancing Evaluation Methods for Infrared Small-Target Detection in Real-world Scenarios},
author = {Saed Moradi and Alireza Memarmoghadam and Payman Moallem and Mohamad Farzan Sabahi},
journal= {arXiv preprint arXiv:2301.03796},
year = {2024}
}